为了能快速准确的识别原料肉与注水肉, 提出了一种基于可见-近红外光谱和稀疏表示的无损的识别方法。通过向猪肉样本(包括猪皮、脂肪层和肌肉层)注水的方法建立注水肉模型, 采集未注水的原料肉和6类不同注水量的注水肉的可见和近红外漫反射光谱数据。为了消除光谱数据中的冗余信息并提高分类效果, 对光谱数据进行光调制和归一化等预处理并截取有效波段, 根据是否注水以及注水量的多少对样本进行分类。用所有训练样本构成原子库(字典), 通过ｌ1最小化将测试样本表示为这些原子的最稀疏的线性组合。计算测试样本与各类的投影误差, 将最小投影误差对应的类作为测试样本的所属类别, 并应用留一法进行交叉检验, 比较了稀疏表示法与支持向量机的识别结果。实验结果表明, 利用稀疏表示法对于原料肉与注水肉的识别准确率可达到90%以上, 获得了较好的分类效果, 优于支持向量机的识别结果。而对于不同注水量的注水肉识别准确率与注水量之差正相关。稀疏方法不需要进行传统模式识别模型的前期学习与特征提取, 适用于高维、小样本量数据的处理, 计算成本低, 将其用于注水肉的光谱数据识别具有一定的创新性, 并取得了较满意的结果, 为原料肉和注水肉的无损识别提供了一种有效方法。

针对“波谱库-影像”多光谱遥感影像波段模拟方法中波谱库以矿物质类别为主、 忽略大气环境和成像时间对地物波谱影响的问题, 以及“参考影像-影像”影像波段模拟方法中地物混合像元和不同空间分辨率像元间模拟的尺度效应问题, 提出基于局部地物端元提取的遥感影像波段模拟方法。 首先对与待模拟影像具有相似地物类别组成的参考影像进行光谱聚类分割, 形成影像局部区域; 然后提取各个局部区域的地物端元, 并对地物端元进行优选形成地物端元样本集; 接着利用端元样本集建立地物端元波谱间的关系模型; 最后利用关系模型预测目标影像波段。 首先通过模拟Landsat TM5影像的蓝光波段, 验证方法的稳定性和可靠性; 然后通过模拟IRS-P6影像的蓝光波段, 验证方法的适用性和推广性; 并在实验过程中同已有的“波谱库-影像”波段模拟方法和“参考影像-影像”波段模拟方法进行视觉效果对比和定量统计分析, 进一步表明方法对各类地物均有较好的模拟效果, 能够准确地表达地物的真实波谱。